计算机前沿技术-人工智能算法-生成对抗网络-算法原理及应用实践

news2024/9/27 9:30:44

计算机前沿技术-人工智能算法-生成对抗网络-算法原理及应用实践

1. 什么是生成对抗网络?

生成对抗网络(Generative Adversarial Networks,简称GANs)是由Ian Goodfellow等人在2014年提出的一种深度学习模型,主要用于数据生成任务。在GAN出现之前,传统的生成模型(如变分自编码器VAE)虽然能够生成数据,但生成的样本往往质量不高,缺乏多样性。

GAN由两部分组成:生成器(Generator)和判别器(Discriminator)。生成器的目标是生成尽可能接近真实数据的假数据,而判别器的目标是尽可能准确地区分真实数据和生成器生成的假数据。两者之间形成了一种对抗关系,通过这种对抗训练,生成器逐渐学会生成高质量的数据。

min ⁡ G max ⁡ D V ( D , G ) = E x ∼ p d a t a ( x ) [ log ⁡ D ( x ) ] + E z ∼ p z ( z ) [ log ⁡ 1 − D ( G ( z ) ) ] \min_{G}\max_{D} V(D, G)=E_{x \thicksim p_{data}(x)}[\log{D(x)}] + E_{z \thicksim p_{z}(z)}[\log{1-D(G(z))}] GminDmaxV(D,G)=Expdata(x)[logD(x)]+Ezpz(z)[log1D(G(z))]

  • 生成器:通常是一个深度神经网络,它接收一个随机噪声向量作为输入,通过一系列变换生成数据。生成器的目标是欺骗判别器,使其将生成的数据误判为真实数据。

  • 判别器:也是一个深度神经网络,它的任务是区分输入数据是来自真实数据集还是生成器生成的。判别器通过输出一个概率值来表示输入数据为真实数据的可能性。

  • 训练过程:训练GAN时,生成器和判别器会交替进行训练。首先固定生成器,训练判别器;然后固定判别器,训练生成器。这个过程可以看作是一场博弈,生成器试图生成越来越真实的数据,而判别器则不断提高其鉴别能力。

在这里插入图片描述

2. 如何实现和优化GAN?

在实际应用中,GAN的实现涉及到以下关键步骤:

  • 网络架构设计:选择合适的网络结构作为生成器和判别器。常见的有卷积神经网络(CNN)等。
  • 损失函数定义:定义合适的损失函数来训练生成器和判别器。常用的损失函数包括二元交叉熵损失。
  • 优化算法选择:选择合适的优化算法,如Adam、RMSprop等,来更新网络参数。
  • 超参数调整:调整学习率、批量大小、训练迭代次数等超参数,以获得最佳训练效果。
  • 稳定性技巧:应用如梯度惩罚、标签平滑等技巧来提高训练的稳定性。

3如何在实际应用中使用GAN?

3.1 生成图像应用

这里,以一个简单的GAN来生成手写数字,TensorFlow代码如下:

import tensorflow as tf
from tensorflow.keras import layers
from tensorflow.keras.datasets import mnist
from tensorflow.keras.models import Sequential
from tensorflow.keras.optimizers import Adam

# 加载 MNIST 数据集
(train_images, train_labels), (_, _) = mnist.load_data()

# 归一化图像到 0-1 范围
train_images = train_images.reshape((60000, 28, 28, 1)).astype('float32')
train_images = (train_images - 127.5) / 127.5

# 创建生成器模型
def build_generator():
    model = Sequential([
        layers.Dense(7*7*256, use_bias=False, input_shape=(100,)),
        layers.BatchNormalization(),
        layers.LeakyReLU(),
        layers.Reshape((7, 7, 256)),
        layers.Conv2DTranspose(128, (5, 5), strides=(1, 1), padding='same', use_bias=False),
        layers.BatchNormalization(),
        layers.LeakyReLU(),
        layers.Conv2DTranspose(64, (5, 5), strides=(2, 2), padding='same', use_bias=False),
        layers.BatchNormalization(),
        layers.LeakyReLU(),
        layers.Conv2DTranspose(1, (5, 5), strides=(2, 2), padding='same', use_bias=False, activation='tanh')
    ])
    return model

# 创建判别器模型
def build_discriminator():
    model = Sequential([
        layers.Conv2D(64, (5, 5), strides=(2, 2), padding='same', input_shape=(28, 28, 1)),
        layers.LeakyReLU(),
        layers.Dropout(0.3),
        layers.Conv2D(128, (5, 5), strides=(2, 2), padding='same'),
        layers.LeakyReLU(),
        layers.Dropout(0.3),
        layers.Flatten(),
        layers.Dense(1)
    ])
    return model

# 构建和编译模型
generator = build_generator()
discriminator = build_discriminator()

# 为生成器和判别器定义损失函数和优化器
cross_entropy = tf.keras.losses.BinaryCrossentropy(from_logits=True)
generator_optimizer = Adam(1e-4)
discriminator_optimizer = Adam(1e-4)

# 训练步骤
@tf.function
def train_step(images):
    noise = tf.random.normal([BATCH_SIZE, 100])

    with tf.GradientTape() as gen_tape, tf.GradientTape() as disc_tape:
        generated_images = generator(noise, training=True)

        real_output = discriminator(images, training=True)
        fake_output = discriminator(generated_images, training=True)

        gen_loss = cross_entropy(tf.ones_like(fake_output), fake_output)
        disc_loss = cross_entropy(tf.ones_like(real_output), real_output) + cross_entropy(tf.zeros_like(fake_output), fake_output)

    gradients_of_generator = gen_tape.gradient(gen_loss, generator.trainable_variables)
    gradients_of_discriminator = disc_tape.gradient(disc_loss, discriminator.trainable_variables)

    generator_optimizer.apply_gradients(zip(gradients_of_generator, generator.trainable_variables))
    discriminator_optimizer.apply_gradients(zip(gradients_of_discriminator, discriminator.trainable_variables))

# 设置训练参数
BATCH_SIZE = 64
EPOCHS = 50

# 训练模型
for epoch in range(EPOCHS):
    for image_batch in train_images.reshape(60000, 28, 28, 1)[np.random.choice(60000, 60000 // BATCH_SIZE * BATCH_SIZE, replace=False)]:
        train_step(image_batch)

    # 可选:每个epoch后打印日志
    if epoch % 10 == 0:
        print(f'Epoch {epoch} completed')

# 保存生成器模型
generator.save('generator_model.h5')

对应的PyTorch代码:

import torch
import torch.nn as nn
import torch.optim as optim
from torchvision import datasets, transforms
from torch.utils.data import DataLoader
import matplotlib.pyplot as plt

# 超参数设置
batch_size = 64
learning_rate = 0.0002
num_epochs = 50
latent_dim = 100

# MNIST 数据加载与预处理
transform = transforms.Compose([
    transforms.ToTensor(),
    transforms.Normalize((0.5,), (0.5,))
])

train_dataset = datasets.MNIST(root='./data', train=True, transform=transform, download=True)
train_loader = DataLoader(dataset=train_dataset, batch_size=batch_size, shuffle=True)

# 生成器定义
class Generator(nn.Module):
    def __init__(self):
        super(Generator, self).__init__()
        self.model = nn.Sequential(
            nn.Linear(latent_dim, 256),
            nn.LeakyReLU(0.2),
            nn.Linear(256, 512),
            nn.LeakyReLU(0.2),
            nn.Linear(512, 1024),
            nn.LeakyReLU(0.2),
            nn.Linear(1024, 28*28),
            nn.Tanh()
        )
    
    def forward(self, z):
        img = self.model(z)
        img = img.view(img.size(0), 1, 28, 28)
        return img

# 判别器定义
class Discriminator(nn.Module):
    def __init__(self):
        super(Discriminator, self).__init__()
        self.model = nn.Sequential(
            nn.Linear(28*28, 512),
            nn.LeakyReLU(0.2),
            nn.Linear(512, 256),
            nn.LeakyReLU(0.2),
            nn.Linear(256, 1),
            nn.Sigmoid()
        )
    
    def forward(self, img):
        img_flat = img.view(img.size(0), -1)
        validity = self.model(img_flat)
        return validity

# 初始化生成器和判别器
generator = Generator()
discriminator = Discriminator()

# 损失和优化器
criterion = nn.BCELoss()
optimizer_G = optim.Adam(generator.parameters(), lr=learning_rate)
optimizer_D = optim.Adam(discriminator.parameters(), lr=learning_rate)

# 训练过程
for epoch in range(num_epochs):
    for i, (imgs, _) in enumerate(train_loader):
        # 训练判别器
        real = torch.ones(imgs.size(0), 1)
        fake = torch.zeros(imgs.size(0), 1)
        
        real_imgs = imgs
        
        optimizer_D.zero_grad()
        output_real = discriminator(real_imgs)
        errD_real = criterion(output_real, real)
        errD_real.backward()
        
        noise = torch.randn(imgs.size(0), latent_dim)
        fake_imgs = generator(noise)
        output_fake = discriminator(fake_imgs.detach())
        errD_fake = criterion(output_fake, fake)
        errD_fake.backward()
        
        optimizer_D.step()
        
        # 训练生成器
        optimizer_G.zero_grad()
        output = discriminator(fake_imgs)
        errG = criterion(output, real)
        errG.backward()
        optimizer_G.step()
        
        if (i+1) % 100 == 0:
            print(f'Epoch [{epoch+1}/{num_epochs}], Step [{i+1}/{len(train_loader)}], Loss D: {errD_real.item()+errD_fake.item()}, Loss G: {errG.item()}')

# 显示生成的图像
with torch.no_grad():
    fix_noise = torch.randn(25, latent_dim)
    fake_images = generator(fix_noise)
    fake_images = fake_images.view(25, 1, 28, 28)
    plt.figure(figsize=(5, 5))
    plt.axis("off")
    plt.title("Generated Images")
    plt.imshow(np.transpose(fake_images.cpu().numpy(), (1, 2, 0)))
    plt.show()

3.2 图像分类应用

简要思路如下:

  • 步骤1: 训练GAN
    首先,我们需要训练一个GAN来生成逼真的图像。这部分代码与之前提供的相同,用于生成高质量的手写数字图像。

  • 步骤2: 生成额外的训练数据
    一旦GAN被训练好,我们可以使用它来生成额外的训练样本。这些样本将被添加到原始的训练集中,以期望提高分类模型的准确性和泛化能力。

  • 步骤3: 训练分类模型
    使用扩展后的数据集来训练一个分类模型。这里,我们可以使用简单的卷积神经网络(CNN)作为分类器。

具体代码如下:

import torch
import torch.nn as nn
import torch.optim as optim
from torchvision import datasets, transforms
from torch.utils.data import DataLoader, Dataset
import numpy as np
import matplotlib.pyplot as plt

# 超参数设置
batch_size = 64
learning_rate = 0.0002
num_epochs = 50
latent_dim = 100
num_samples_to_generate = 5000  # 生成的样本数量

# MNIST 数据加载与预处理
transform = transforms.Compose([
    transforms.ToTensor(),
    transforms.Normalize((0.5,), (0.5,))
])

train_dataset = datasets.MNIST(root='./data', train=True, transform=transform, download=True)
train_loader = DataLoader(dataset=train_dataset, batch_size=batch_size, shuffle=True)

# 生成器定义
class Generator(nn.Module):
    def __init__(self):
        super(Generator, self).__init__()
        self.model = nn.Sequential(
            nn.Linear(latent_dim, 256),
            nn.LeakyReLU(0.2),
            nn.Linear(256, 512),
            nn.LeakyReLU(0.2),
            nn.Linear(512, 1024),
            nn.LeakyReLU(0.2),
            nn.Linear(1024, 28*28),
            nn.Tanh()
        )
    
    def forward(self, z):
        img = self.model(z)
        img = img.view(img.size(0), 1, 28, 28)
        return img

# 判别器定义
class Discriminator(nn.Module):
    def __init__(self):
        super(Discriminator, self).__init__()
        self.model = nn.Sequential(
            nn.Linear(28*28, 512),
            nn.LeakyReLU(0.2),
            nn.Linear(512, 256),
            nn.LeakyReLU(0.2),
            nn.Linear(256, 1),
            nn.Sigmoid()
        )
    
    def forward(self, img):
        img_flat = img.view(img.size(0), -1)
        validity = self.model(img_flat)
        return validity

# 初始化生成器和判别器
generator = Generator()
discriminator = Discriminator()

# 损失和优化器
criterion = nn.BCELoss()
optimizer_G = optim.Adam(generator.parameters(), lr=learning_rate)
optimizer_D = optim.Adam(discriminator.parameters(), lr=learning_rate)

# 训练GAN
for epoch in range(num_epochs):
    for i, (imgs, _) in enumerate(train_loader):
        real = torch.ones(imgs.size(0), 1)
        fake = torch.zeros(imgs.size(0), 1)
        
        real_imgs = imgs
        
        optimizer_D.zero_grad()
        output_real = discriminator(real_imgs)
        errD_real = criterion(output_real, real)
        errD_real.backward()
        
        noise = torch.randn(imgs.size(0), latent_dim)
        fake_imgs = generator(noise)
        output_fake = discriminator(fake_imgs.detach())
        errD_fake = criterion(output_fake, fake)
        errD_fake.backward()
        
        optimizer_D.step()
        
        optimizer_G.zero_grad()
        output = discriminator(fake_imgs)
        errG = criterion(output, real)
        errG.backward()
        optimizer_G.step()
        
        if (i+1) % 100 == 0:
            print(f'Epoch [{epoch+1}/{num_epochs}], Step [{i+1}/{len(train_loader)}], Loss D: {errD_real.item()+errD_fake.item()}, Loss G: {errG.item()}')

# 生成额外的训练数据
class GeneratedDataset(Dataset):
    def __init__(self, generator, num_samples):
        self.generator = generator
        self.num_samples = num_samples
        self.noise = torch.randn(num_samples, latent_dim)
        
    def __len__(self):
        return self.num_samples
    
    def __getitem__(self, idx):
        img = self.generator(self.noise[idx].unsqueeze(0))
        label = torch.randint(0, 10, (1,))  # 随机标签
        return img, label

# 使用生成器生成数据
generated_dataset = GeneratedDataset(generator, num_samples_to_generate)
generated_loader = DataLoader(dataset=generated_dataset, batch_size=batch_size, shuffle=True)

# 定义分类器模型
class Classifier(nn.Module):
    def __init__(self):
        super(Classifier, self).__init__()
        self.model = nn.Sequential(
            nn.Conv2d(1, 32, kernel_size=3, stride=2, padding=1),
            nn.ReLU(),
            nn.Conv2d(32, 64, kernel_size=3, stride=2, padding=1),
            nn.ReLU(),
            nn.Flatten(),
            nn.Linear(64 * 7 * 7, 128),
            nn.ReLU(),
            nn.Linear(128, 10)
        )
    
    def forward(self, x):
        x = self.model(x)
        return x

# 初始化分类器
classifier = Classifier()

# 合并原始数据集和生成的数据集
def collate_fn(batch):
    imgs, labels = zip(*batch)
    imgs = torch.cat(imgs, dim=0)
    labels = torch.cat(labels, dim=0)
    return imgs, labels

combined_train_loader = DataLoader(dataset=train_dataset, batch_size=batch_size, shuffle=True, collate_fn=collate_fn)
combined_train_loader = DataLoader(dataset=combined_train_dataset, batch_size=batch_size, shuffle=True)

# 训练分类器
classifier_optimizer = optim.Adam(classifier.parameters(), lr=learning_rate)
classifier_criterion = nn.CrossEntropyLoss()

for epoch in range(10):  # 训练几个epoch来测试
    for imgs, labels in combined_train_loader:
        classifier_optimizer.zero_grad()
        outputs = classifier(imgs)
        loss = classifier_criterion(outputs, labels)
        loss.backward()
        classifier_optimizer.step()

        if (i+1) % 100 == 0:
            print(f'Epoch [{epoch+1}/10], Step [{i+1}/{len(combined_train_loader)}], Loss: {loss.item()}')

# 测试分类器性能
test_dataset = datasets.MNIST(root='./data', train=False, transform=transform)
test_loader = DataLoader(dataset=test_dataset, batch_size=batch_size, shuffle=True)

correct = 0
total = 0
with torch.no_grad():
    for imgs, labels in test_loader:
        outputs = classifier(imgs)
        _, predicted = torch.max(outputs.data, 1)
        total += labels.size(0)
        correct += (predicted == labels).sum().item()

print(f'Accuracy of the classifier on the test images: {100 * correct / total}%')

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.coloradmin.cn/o/2164025.html

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈,一经查实,立即删除!

相关文章

OpenHarmony(鸿蒙南向)——平台驱动开发【PIN】

往期知识点记录: 鸿蒙(HarmonyOS)应用层开发(北向)知识点汇总 鸿蒙(OpenHarmony)南向开发保姆级知识点汇总~ 持续更新中…… 概述 功能简介 PIN即管脚控制器,用于统一管理各SoC的…

Python 在PDF中插入文本超链接和图片超链接 (详解)

目录 使用工具 Python给PDF添加网页链接 Python给PDF添加内部文件链接 Python给PDF添加外部文件链接 Python给PDF中现有文本添加超链接 Python在PDF中插入带超链接的图片 Python给PDF中现有图片添加超链接 超链接是指向特定资源(如外部网页、文档内部位置或其…

Android个性名片界面的设计——约束布局的应用

节选自《Android应用开发项目式教程》,机械工业出版社,2024年7月出版 做最简单的安卓入门教程,手把手视频、代码、答疑全配齐 【任务目标】 使用约束布局、TextView控件实现一个个性名片界面的设计,界面如图1所示。 图1 个性名片…

跟王道学c记录

scanf int a; scanf("%d",&a); 一定要有取地址符 printf 用%f精度修饰符指定想要的小数位数。例如,%5.2f会至少显示5位数字并带有2位小 数的浮点数 用%s精度修饰符简单地表示一个最大的长度,以补充句点前的最小字段长度 printf 数的所有输出都是右对齐的,除非…

C++的哲学思想

C的哲学思想 文章目录 C的哲学思想💡前言💡C的哲学思想☁️C底层不应该基于任何其他语言(汇编语言除外)☁️只为使用的东西付费(不需要为没有使用到的语言特性付费)☁️以低成本提供高级抽象(更…

exBase

1.准备工作 1.端口配置 下列为默认端口号,若部分端口号已被占用,用户可以根据实际情况进行修改。 端口号 说明 31030 exBase默认端口 31003 配置库默认端口 2181 zookeeper默认端口 9092 kafka默认端口 8091 metaNode的RPC端口 8092 node…

【Linux】进程管理:从理论到实践(一)

🌈 个人主页:Zfox_ 🔥 系列专栏:Linux 目录 一: 🔥 进程的基本概念 二: 🔥 描述进程-PCB三: 🔥 查看进程 🥝 通过系统目录🥝 通过ps命…

小程序视频编辑SDK解决方案,轻量化视频制作解决方案

面对小程序、网页、HTML5等多样化平台,如何轻松实现视频编辑的轻量化与高效化,成为了众多开发者和内容创作者共同面临的挑战。正是洞察到这一市场需求,美摄科技推出了其领先的小程序视频编辑SDK解决方案,为创意插上翅膀&#xff0…

线性代数(持续更新)

一.矩阵及其计算 1.矩阵的概念 矩阵就是一个数表 元素全是0,是零矩阵,用0来表示 当mn时,称为n阶矩阵(方阵) 只有一行的叫行矩阵,只有一列的叫列矩阵 只有对角线有元素的叫做对角矩阵,用dia…

FTP被动模式配置

FTP被动模式配置 非云服务器或未开启防火墙的服务器不需要设置 背景: 某些FTP客户端与FTP服务器进行数据交互时,客户端数据传输使用的是被动模式; 被动模式会导致服务端的数据通道端口随机变动,服务器的防火墙无法设置放行规则…

Excel数据检视——对角线连续数据连线

实例需求:数据表如下图所示,现需要根据规则,在符合要求的单元格上,添加连线。 连续单元格位于对角线方向单元格内容相同连续单元格数量不少于7个 示例代码如下。 Sub LT2RB()Dim objDic As Object, rngData As Range, bFlag As …

基于springBoot校园健康驿站管理平台(源码+教程)

互联网发展至今,无论是其理论还是技术都已经成熟,而且它广泛参与在社会中的方方面面。它让信息都可以通过网络传播,搭配信息管理工具可以很好地为人们提供服务。针对信息管理混乱,出错率高,信息安全性差,劳…

开源标注工具

DoTAT https://github.com/FXLP/MarkTool 后端代码未开放,可能有数据泄露风险 Chinese-Annotator https://github.com/deepwel/Chinese-Annotator 安装非常麻烦,github更新频率比较低,支持功能和doccano类似 IEPY https://github.com/ma…

头戴式蓝牙无线耳机哪个牌子比较好?头戴式蓝牙耳机排行榜盘点

在当今快节奏的生活中,音乐已成为我们不可或缺的精神食粮,而一款优秀的头戴式蓝牙无线耳机,不仅能为我们带来高品质的音频享受,还能让我们在繁忙的生活中找到片刻的宁静与放松,那么头戴式蓝牙无线耳机哪个牌子比较好&a…

【工具变量】数字技术应用广度与深度数据集(2001-2023年)

数据简介:数字技术应用广度是指企业为了实现收集、存储与处理海量数据时所需要的技术支撑,诸如大数据、云计算、区块链等等。数字技术应用深度包括数字化管理和数字化生产。其中,数字化管理是指企业应用数字技术实现组织、生产、销售和服务智…

Unreal Engine 5 C++: Asset Batch Duplication插件编写02

目录 准备工作 "Scripting library" 三个最重要的功能(前两个是UEditorUtilityLibrary中的) 自动创建声明: TArray T 的含义 F 的含义 Live Coding (Ctrlalt F11) Live Coding 的工作流程&#xff…

uni-app - - - - - 实现锚点定位和滚动监听功能(滚动监听功能暂未添加,待后续更新)

实现锚点定位和滚动监听功能 1. 思路解析2. 代码示例 效果截图示例: 点击左侧menu,右侧列表数据实现锚点定位 1. 思路解析 点击左侧按钮,更新右侧scroll-view对应的scroll-into-view的值,即可实现右侧锚点定位滚动右侧区域&am…

攻防世界--->robots

学习笔记。 robots: 得,就是隐藏某些东西呗。 - - 好吧,还是不会。 参考: 攻防世界——新手区——robots_robots flag-CSDN博客https://blog.csdn.net/weixin_45864041/article/details/108036234 突破点: so&#…

u-navber自定义导航栏搜索框

效果 代码 <template><view><u-navbar :is-back"false"><view class"navbar"><view class"search"><image src"../../static/my_device/search_icon.png" class"search_image"></i…

代码随想录算法day40 | 动态规划算法part13 | 647. 回文子串,516.最长回文子序列

647. 回文子串 动态规划解决的经典题目&#xff0c;如果没接触过的话&#xff0c;别硬想 直接看题解。 力扣题目链接(opens new window) 给定一个字符串&#xff0c;你的任务是计算这个字符串中有多少个回文子串。 具有不同开始位置或结束位置的子串&#xff0c;即使是由相同的…